中国全要素农田水利效率及其空间分布格局

汪 琦，宋 敏，张凤泽

(河海大学商学院，江苏 南京 211100)

中国全要素农田水利效率及其空间分布格局

汪 琦，宋 敏，张凤泽

(河海大学商学院，江苏 南京 211100)

选取我国31个省、自治区、直辖市1998—2015年的面板数据，运用数据包络分析方法测算农田水利全要素生产率。在此基础上，构建中国31省市的经济-距离空间权重矩阵，分析农田水利全要素生产率的空间相关性。研究结果表明：农田水利全要素生产率的年度波动明显，区域发展不平衡；农田水利全要素生产率的分布从高到低依次为东部地区、东北地区、西部地区、中部地区；规模效率普遍呈递减趋势，规模不经济是影响我国农田水利全要素生产率提升的主要阻力；从空间分布格局来看，农田水利全要素生产率高和低的地区都出现相对聚集的现象，而各省市具体地区的空间聚集特征强度差异较大。提出我国应注重农田水利规模效率的提升，扩大中西部地区农田水利投资规模以减少区域差异的建议。

农田水利；全要素生产率；数据包络分析；空间相关性

我国是农业大国、人口大国，粮食安全对于国家的稳定发展具有十分重要的作用[1]。然而自古以来，我国水灾、旱灾和冲突不断，农业生产体系不完善，对国家粮食安全造成了很大的威胁。农田水利建设作为国家基础设施建设的重要组成部分，对改善农业生产体系、促进农村经济发展、增加农民收入以及减少贫富差距具有重要作用。自中华人民共和国成立以来，我国历届政府充分重视农田水利建设，尤其是农田灌溉系统[2]的建设。2016年水利部办公厅印发《2016年农村水利工作要点》，提出：要完善“十三五”期间农村水利专项规划，出台《深化农田水利改革的指导意见》，大规模推进农村水利建设，同时各地区也在逐年增加财政对农田水利建设的资金投入。在农田水利建设投入逐年增加的情况下，农田水利效率问题成为一个不可忽视的问题。研究农田水利效率有助于各地区因地制宜调整农田水利投入，提高产出效率。基于此，本文对我国农田水利全要素生产率进行测度并对其空间格局进行分析，根据研究结论，提出提高我国农田水利效率的政策建议，即促进农村经济发展水平的提升，增加农民收入，缩小城乡差距。

1 文献综述

国内学者主要从两方面来研究农田水利基础设施建设。

a.研究农村水利基础设施建设与经济发展的关系。曾志雄等[3-4]分析了水利基础建设投资额和国内生产总值的现状，说明前者对国民经济的发展具有显著的推动作用，且各地区水利基础建设投资与地区生产总值之间存在显著相关关系。杜威漩[5]的研究结果表明，农业水利基础设施建设的投资总趋势增长性与增长过程的波动性、阶段性并存，投资的重要性与投资不足的状况并存，投资总量的增长有赖于国民经济总体水平的提高，投资主体呈现出以政府为主的投资主体单一性，进而决定了投资渠道的单一性。袁怀宇[6]建立农业经济增长模型进行回归分析表明，农田有效灌溉面积和水土流失治理面积增加能够显著促进农村经济增长。郭唐兵等[7]利用2001—2010年中国省级面板数据，实证分析了农田水利发展与农业增长的关系，研究表明农田水利发展对农业增长的影响存在区域性差异。

b.研究农田水利设施相关效率的测算，主要集中于农田水利设施的配置效率[8]、灌溉系统中农户参与度对水资源利用效率的影响[9]、农田水利管理的技术效率[10]、水资源利用效率测算及影响因素分析[11-13]、农村水利设施投入的无效率水平[14]等方面。何平均[15]对2011年我国13个粮食主产区农田水利基础设施投资效率进行了研究，结果表明各地农田水利基础设施投资效率具有较大的空间差异性，吉林、辽宁、四川、江西4个地区属于DEA有效，包括规模有效和技术有效，其他9个地区属于非DEA有效，且技术效率和规模效率呈现不均衡发展，规模效率呈现递增和递减两种状态。叶文辉等[16]分别从纵向和横向两个方面分析了云南省近几年水利投入产出效率，发现农田水利建设效率低下，部分州市处于无效状态，得出云南省农田水利建设效率普遍低下的结论。汤洁娟[17]通过对1960—2014年我国东部、中部、西部地区相关统计数据的分析，发现西部地区农田水利工程的社会经济效率增长率位居国内最高水平，中部地区其次，而东部地区相对最低，与地区经济和产业结构变动有关。

通过以上分析，发现现有研究尚未制定明确的指标体系，从多投入-多产出的角度进行农田水利全要素生产率的全方位研究，同时没有将空间的相关性考虑在内。

本文运用DEA方法从多投入-多产出的角度构建衡量农田水利效率的指标——农田水利全要素生产率，同时引入经济-距离空间权重矩阵对农田水利全要素生产率的空间相关性进行检验，以准确测量各区域农田水利建设的全要素生产率，同时特别关注了不同区域水利基础设施投资规模效率情况，提出不同区域提升农田水利效率的策略。

2 计量模型

2.1 模型选择及数据说明

由于数据包络分析模型相较随机前沿面方法具有数据样本容量大、生产过程非具体化和适用性广等特点，本文选用数据包络分析(DEA)方法测算我国农田水利全要素生产率。魏权龄[18]指出，DEA法是使用数学规划模型评价具有多投入与多产出决策单元(DMU)的相对有效性，对比各决策单元投入与产出数据，判断其是否为DEA有效，其基本原理是判断各决策单元与生产可能集的前沿面距离。

本文从农田灌排渠系统建设(有效灌溉面积、机电排灌面积、节水灌溉面积、旱涝保收面积)、水土保持建设(水土流失治理面积、除涝面积)、截留提水设施建设三方面衡量水利投资所带来的固定资产存量，作为产出指标。以货币表现的农业全部产品和对农业生产活动进行的各种支持性服务活动的价值总量为投入指标。

用Pearson相关性检验方法对投入产出指标的同向性进行检测，根据Pearson检验结果去除一些指标后，建立指标体系如表1所示。

表1 1998—2015年我国农田水利全要素生产率指标评价

基于数据的可获得性和局限性，劳动投入变量使用有效劳动力，由各地区农业从业人员数乘以劳动力文化程度权数(周晓等[19]估计出的文化程度权重)得到；用化肥和机械投入分别代表流动资本和固定资本对农业产出的投入；由于按年度分地区的农村水利投资金额数据源不足，采用“农村固定资产(水利)构成情况”代替资本投入。

数据来源于1998—2015年《中国农村统计年鉴》《中国统计年鉴》《中国水利统计年鉴》以及各省份的历年统计年鉴。对于个别统计数据的缺失，采用移动平均法进行补充。DEA法并不直接对数据进行综合，决策单元的最优效率指标与投入及产出指标值的量纲选取无关，因此计算所用数据无需经过无量纲化处理。

2.2 空间相关性

空间自相关分析是探索性数据分析技术的核心内容之一，以空间关联测度为核心，通过对数据的空间依赖性和空间异质性研究，解决农田水利投资效率的空间关联格局问题。

a.全局Moran’sI指数：

(1)

式中：n为空间单元的总数；wij为空间权重矩阵元素；xi表示i空间单元的观测值。Moran’sI的取值范围为[-1，1]，大于0表示空间正相关；小于0表示空间负相关；等于0表示空间独立分布。Moran’sI指数绝对值表征空间相关程度的大小，绝对值越大表明相关程度越高，反之则越低。

b.局部Moran’sI指数。位置i的局部Moran’sI指数定义是

(2)

该指数正值表示同样类型要素属性值的地区相邻近，负值表示不同类型要素属性值的地区相邻近，绝对值越大邻近程度越大。用Z统计量可以检验局部Moran’sI指数的显著性。

c.经济-距离空间权重矩阵。通过使用农林牧渔业(output)产值的水平来衡量一个省市对另一个省市的权重大小，这样构造非对称性权重的一个原因是经济活动水平可能影响农田水利投资效率的溢出效应。基于非对称的经济-距离空间权重矩阵W的元素定义如下：

(3)

式中：ti和tj分别表示省市i和j的农林牧渔产值;ti/tj表示省市i对j的经济权重。

3 实证结果分析

3.1 全要素生产率测算结果

a.我国农田水利全要素生产率纵向比较。表2为我国农田水利全要素生产率及其分解。由表2可以看出我国农田水利全要素生产率特征为总体水平较高、年度波动幅度大。1998—2015年我国农田水利全要素生产率年平均增长率为0.4%，农田水利生产力总体上上升。2006—2007年受金融危机的影响，全要素生产率下降为0.933。我国政府投资4×1012元用于基础设施建设，因此2008年全要素生产率增长率逆势增加到1.037，连续2年的高增长致使2010年全要素生产率增长率有所下降，之后变动不明显。

b.我国农田水利全要素生产率横向比较。表3为各个地区农田水利全要素生产率测算结果。由表3可以看出云南、青海等16个省(市)的全要素生产率大于1。除山东、浙江和辽宁增长动力来源于技术效率与技术进步外，其他全要素生产率动力单纯来源于技术进步。其余15个省(自治区、直辖市)全要素生产率小于1，江苏和河北的技术效率大于1，陕西、吉林、西藏、湖北、天津、河南、江西、宁夏、内蒙古、安徽、黑龙江、广西则是源于技术效率和技术进步均小于1。全国有9个规模报酬大于1的省份，说明技术效率的变动是由于经济发展过程中对农田水利配比的改进，而不是经营规模的变化。这主要是因为我国中西部地区农田水利发展相对落后，尚未接近最优规模报酬阶段；而东部部分农田水利基础设施存量处于领先地位，但技术效率低下的省份存在规模不经济情况。

表2 我国历年农田水利全要素生产率及其分解

表3 我国各地区农田水利全要素生产率测算结果

对比东部、中部、西部和东北地区发现，东部地区平均全要素生产率为1.026，主要得益于技术进步；东北地区平均全要素生产率为0.999，居第2位，在技术进步相对较高的情况下技术效率较低；西部地区为0.997，居第3位；中部地区为0.991，虽然技术进步指标(1.007)大于东北(1.006)，但是技术效率指标过低。从结果可以看出技术效率是引起投资效率和全要素生产率差异的主要原因。

c.全要素生产率指数分解。由表3数据可知，技术进步的年平均变动率为1.5%，表明总体上技术进步保持稳定。技术效率的年平均变动率为 -0.9%，表明总体上技术效率在下降。全要素生产率总体来源于技术效率。我国农田水利全要素生产率受要素投入的影响不如环境因素(制度、政策、科技等)的影响大。

图1显示，1998—2015年我国各地区农田水利全要素生产率指数总体呈“大起伏—平稳—大起伏—平稳”的趋势，多数年份技术进步保持了对全要素生产率的贡献，但贡献幅度大的技术效率成为全要素生产率的主导因素。

图1 1998—2014年我国各地区农田水利全要素生产率分解

图2 我国各地区1998—2014年农田水利技术效率分解

d.技术效率分解。由前文分析可知，纯技术效率的年平均变动率为-0.8%，总体上下降；规模效率的年平均变动率为-0.1%，总体上保持稳定。技术效率进步源于纯技术效率。图2显示，1998—2015年我国各地区农田水利技术效率指数总体呈“平稳—小起伏—平稳—大起伏”趋势。技术效率进步处于较低水平，相应的纯技术效率进步和规模效率进步均需进一步提高。

3.2 全要素生产率空间分布格局

3.2.1 全局空间自相关分析

从表4可以看出，Moran’sI指数在5%的显著性水平上，我国31省(市、区)农田水利全要素生产率基本呈现正的相关性，表明农田水利全要素生产率高的地区和低的地区出现相对集聚的现象。

表4 我国31省(市、自治区)农田水利全要素生产率全局自相关Moran’s I指数

图3 我国历年农田水利全要素生产率局部自相关LISA分布

3.2.2 局部空间自相关分析

图3显示了我国各地区农田水利投资效率的集聚类型。从图中可以看到高低聚集区(high-low)和低低聚集区(low-low)在时间序列上变换不大，而高高聚集区(high-high)随着农田水利投资的不断增加趋于稳定，总体趋势为：中西部农田水利全要素生产率偏低，东部沿海地区较高。

4 结 语

本文通过DEA模型从全要素角度测算了我国农田水利效率，并运用空间计量经济学研究农田水利效率的空间分布特征。研究发现：

我国全要素农田水利效率区域差异明显，从高到低分别为东部地区、东北地区、西部地区、中部地区。东部地区自身条件优越，且经济发展水平较高，资本投入和机械动力投入较其他地区充足，技术水平发达，因此农田水利效率最高。东北地区整体的劳动力、资本及机械投入充裕，同时地域辽阔，便于集约化经营，机械化生产，因此其规模效率较高。而西部地区经济发展起步晚，机械技术投入不足，但有政策扶持，产业结构、技术创新等在短期内发展较快。中部地区由于地处内陆，政策支持较少，发展较为缓慢,政府应重视对农田水利建设要素的投入。西部地区和中部地区经济发展水平落后，用于支持农田水利建设的资本投入不足，因此需要扩大这部分的财政支出。而东部地区和东北地区则需要提高技术水平来增加农田水利效率。

纯技术效率对农田水利投资技术效率贡献较大，规模报酬成为影响技术效率增长的阻力。技术水平对农田水利的其他要素如劳动力、资本的产出效率具有重要影响。通过提高技术水平，有助于间接提高其他要素的产出效率。政府需要加大对农田水利技术的投入，增强资本和劳动力投入的产出效率。

通过测算全局Moran’sI指数可以发现我国农田水利全要素生产率高和低的地区都出现相对聚集的现象，局部Moran’sI指数和LISA集聚地图表明我国各省市具体地区的空间集聚特征：中西部农田水利全要素生产率偏低，东部沿海地区较高。这种空间聚集效应说明农田水利效率在空间上存在较大的相关性，正向影响明显。因此可以以区域为单位提高我国农田水利效率，同时我国中部地区承接东、西、中部地区农田水利投资的不断发展，既能缩短西部与东部的空间距离，又能实现经济梯度的转移，因此应重视中部地区的农田水利投资建设。

[1] 张强，孙鹏，程辰，孔冬冬，等.ENSO影响下安徽省旱涝灾害及农业生产损失时空变化特征[J].水资源保护，2016，32(6)：6-18.

[2] 王羽辉，谢三桃，骆克斌，等.现代农业灌溉减排模式的建立与应用[J].水资源保护，2016，32(1)：161-166.

[3] 曾志雄，刘明星，谢旭洋，等.水利基础建设投资对我国区域经济增长贡献差异研究[J].水利经济，2012，30(6):14-16.

[4] 华坚，曹茜茜.农村水利基础设施建设投入与农村经济发展关系的实证研究[J].水利经济，2013，31(6):59-62.

[5] 杜威漩.中国农业水利基础建设投资的实证研究[J].农业技术经济，2005(3):43-47.

[6] 袁怀宇.农田水利建设与农业经济增长关系实证研究[J].广东农业科学，2013，40(25)：122-126.

[7] 郭唐兵，叶文辉.我国农田水利运营效率的实证研究：基于2003—2010年省级面板数据的DEA-TOBIT两阶段法[J].山西财经大学学报，2014(2):63-71.

[8] 吴平，谭琼.我国粮食主产区农田水利设施配置效率及区域差异分析[J].农业现代化究，2012，33(3):331-335.

[9] 张兵，孟德锋，刘文俊，等.农户参与灌溉管理意愿的影响因素分析：基于苏北地区农户的实证研究[J].农业经济问题，2009(2):66-72.

[10] 张宁，陆文聪，董鸿纪.中国农田水利管理效率及其农户参与性机制研究：基于随机前沿面的实证分析[J].自然资源学报，2012，27(3):353-362.

[11] 钱文婧，贺灿飞.中国水资源利用效率区域差异及影响因素研究[J].中国人口·资源与环境，2011，21(2):54-60.

[12] 王学渊，赵连阁.中国农业用水效率及影响因素：基于1997—2006年省区面板数据的SFA 分析[J].农业经济问题，2008，(3):10-17.

[13] 宋敏，汪琦，吉晓雨.中国全要素农田水利效率的地质差异和门槛效应研究[J].河海大学学报(社会科学版)，2017(4)：40-46.

[14] 段海啸.基于SBM方向性距离函数的中国农村水利设施投入产出效率研究[J].水资源与水工程学报，2015(4):236-240.

[15] 何平均.粮食主产区农田水利基础设施投资效率分析[J].粮食科技与经济，2014，39(3):9-11.

[16] 叶文辉，孙莉莉，姚永秀.农田水利供给的有效性分析：以云南省为例[J].经济问题，2015，27(9):73-80.

[17] 汤洁娟.农田水利工程效率及其影响因素分析：基于DEA-Tobit模型多阶段实证[J].求索，2014(6):85-89.

[18] 魏权龄.数据包修分析(DEA)[J].科学通报，2000，45(17)：1793-1808.

[19] 周晓，朱农.论人力资本对中国农村经济增长的作用[J].中国人口科学，2003(6):17-24.

国家自然科学基金面上项目(41471456)；教育部人文社会科学规划基金(15YJA790052)

汪琦(1992—)，女，硕士研究生，主要从事水利经济研究。E-mail：370962436@qq.com

10.3880/j.issn.1003-9511.2017.06.004

F323

A

1003-9511(2017)06-00019-05

2017-06-06 编辑：胡新宇)